风险主题网关信息采集模块研究与设计
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·引言 | 第9-10页 |
| ·研究的意义 | 第10-11页 |
| ·本文的研究内容和论文结构 | 第11-13页 |
| 第2章 Web页面数据采集基础 | 第13-21页 |
| ·相关协议与接口 | 第13-17页 |
| ·DOM | 第13-16页 |
| ·Jericho Html Parser | 第16-17页 |
| ·WEB页面数据采集的相关技术 | 第17-20页 |
| ·基于自然语言理解的方法 | 第18页 |
| ·基于机器学习的方法 | 第18-19页 |
| ·基于Ontology的方法 | 第19页 |
| ·RoadRunner | 第19-20页 |
| ·术语定义 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 定向Extractor设计 | 第21-33页 |
| ·风险种子站点管理 | 第21-22页 |
| ·模板的定义 | 第22-24页 |
| ·方法的选择 | 第24-25页 |
| ·列表页信息抽取 | 第25-30页 |
| ·信息列表块的定位 | 第25-28页 |
| ·基于标签距离的列表聚类包装方法 | 第28-30页 |
| ·正文的抽取 | 第30-32页 |
| ·Finn算法简介 | 第30-31页 |
| ·Finn算法的改进 | 第31-32页 |
| ·实验结果及分析 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 深度Extractor的设计 | 第33-53页 |
| ·深度Extractor总体框架 | 第33-34页 |
| ·HiWE | 第34-35页 |
| ·表单理解 | 第35-44页 |
| ·建立逻辑模型 | 第36-39页 |
| ·表单表达式 | 第39-40页 |
| ·LAttribute标签识别 | 第40-42页 |
| ·启发式LAttribute提取方法 | 第42-44页 |
| ·表单的提交 | 第44-48页 |
| ·表单的自动填写 | 第44-45页 |
| ·请求提交策略 | 第45-46页 |
| ·随机排除型采样策略 | 第46-48页 |
| ·穷举采样 | 第48页 |
| ·响应页处理 | 第48-51页 |
| ·构造启发式规则 | 第48-50页 |
| ·消除重复记录 | 第50-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 综合风险知识库 | 第53-61页 |
| ·构建知识库的目的和流程 | 第53-54页 |
| ·数据统一化 | 第54-55页 |
| ·知识库中表的设计 | 第55-58页 |
| ·JDBC数据库访问及连接池技术 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |
